AI 原生量化投研平台AI-native quantitative research platform

正在加载…Loading…

页面仍在加载，可以继续等待，或重新加载。The page is still loading. You can keep waiting or reload.

部分页面资源未能加载，请重新加载。Some page resources could not load. Please reload.

设备当前处于离线状态，恢复连接后可以继续等待或重新加载。Your device is offline. Once connected, you can keep waiting or reload.

定价

投研库

加载中...

Qlib 官方Alpha158 全因子

cn_stock_factors_alpha_158Pro

Qlib 官方原版 Alpha158 全158因子

在 Cowork 中查询

用 Cowork

类别	数量	主要刻画内容
K线基础因子	9	从单根K线的开盘、收盘、最高、最低价格之间的相对关系出发，刻画实体长度、上下影线和收盘位置。
静态价格因子	4	将开盘价、最高价、最低价与成交均价相对收盘价归一化，用于描述当日价格结构。
趋势类因子	25	围绕不同回看窗口的收益、均线、线性回归斜率、拟合优度和残差，刻画价格趋势与趋势稳定性。
波动类因子	30	基于滚动标准差、最高/最低价、分位数和 RSV 指标，描述价格波动区间和相对位置。
极值位置类因子	15	关注最高价与最低价在窗口内出现的位置，用于反映阶段高低点距离当前时点的远近。
价量统计类因子	45	综合价格变化与成交量变化，包括价量相关、上涨/下跌天数比例、涨跌幅累计比例和 OBV 类特征。
成交量波动类因子	10	刻画成交量相对于自身均值和标准差的偏离程度。
量价加权统计因子	20	将价格波动幅度与成交量结合，度量量价共同变化、成交量正负变动贡献和量能方向差异。
合计	158	覆盖价格、成交量与价量交互特征。

字段	含义
`open`	开盘价
`high`	最高价
`low`	最低价
`close`	收盘价
`vwap`	成交量加权平均价，通常使用未复权数据
`volume`	成交量

使用代码Alpha158 因子数据读取示例 Alpha158 因子表名： python复制cn_stock_factors_alpha_158 因子字段名为： python复制alpha_001, alpha_002, ..., alpha_158 下面示例均使用 dai.query(...).df() 读取数据。 1. 读取某一天的全市场 Alpha158 因子数据 python复制import dai dt = '2026-05-20' sql = f"""select *from cn_stock_factors_alpha_158where date = '{dt}'order by date, instrument""" df = dai.query(sql).df()df 2. 读取某一天的全市场数据，并只保留部分字段 例如只读取： date instrument alpha_001 python复制import dai dt = '2026-05-20' sql = f"""select date, instrument, alpha_001from cn_stock_factors_alpha_158where date = '{dt}'order by date, instrument""" df = dai.query(sql).df()df 3. 读取某一天的某几个股票数据 python复制import dai dt = '2026-05-20'ins = ['000002.SZ', '600000.SH', '603968.SH'] ins_str = ",".join([f"'{x}'" for x in ins]) sql = f"""select *from cn_stock_factors_alpha_158where date = '{dt}' and instrument in ({ins_str})order by date, instrument""" df = dai.query(sql).df()df 4. 读取某一天的某几个股票、某几个因子 例如只读取： alpha_001 alpha_002 alpha_003 python复制import dai dt = '2026-05-20'ins = ['000002.SZ', '600000.SH', '603968.SH']factors = ['alpha_001', 'alpha_002', 'alpha_003'] ins_str = ",".join([f"'{x}'" for x in ins])factor_str = ", ".join(factors) sql = f"""Expand all 22 lines 5. 读取一段时间的全市场 Alpha158 因子数据 例如读取 2026-05-01 到 2026-05-20 的数据。 python复制import dai start_dt = '2026-05-01'end_dt = '2026-05-20' sql = f"""select *from cn_stock_factors_alpha_158where date >= '{start_dt}' and date <= '{end_dt}'order by date, instrument""" df = dai.query(sql).df()df

用 Cowork

查询代码

SELECT date, instrument, alpha_001, alpha_002, alpha_003, alpha_004, alpha_005
FROM cn_stock_factors_alpha_158
WHERE date >= '2026-10-06'
ORDER BY date
LIMIT 100

在 Cowork 中运行

信息

字段数: 160
分类: 量化因子 › 公开因子
作者: bigquantfactorbuilder1

查询代码

SELECT date, instrument, alpha_001, alpha_002, alpha_003, alpha_004, alpha_005
FROM cn_stock_factors_alpha_158
WHERE date >= '2026-10-06'
ORDER BY date
LIMIT 100

在 Cowork 中运行

信息

字段数: 160
分类: 量化因子 › 公开因子
作者: bigquantfactorbuilder1

加载中...

Qlib 官方Alpha158 全因子

cn_stock_factors_alpha_158Pro

Qlib 官方原版 Alpha158 全158因子

在 Cowork 中查询

用 Cowork

类别	数量	主要刻画内容
K线基础因子	9	从单根K线的开盘、收盘、最高、最低价格之间的相对关系出发，刻画实体长度、上下影线和收盘位置。
静态价格因子	4	将开盘价、最高价、最低价与成交均价相对收盘价归一化，用于描述当日价格结构。
趋势类因子	25	围绕不同回看窗口的收益、均线、线性回归斜率、拟合优度和残差，刻画价格趋势与趋势稳定性。
波动类因子	30	基于滚动标准差、最高/最低价、分位数和 RSV 指标，描述价格波动区间和相对位置。
极值位置类因子	15	关注最高价与最低价在窗口内出现的位置，用于反映阶段高低点距离当前时点的远近。
价量统计类因子	45	综合价格变化与成交量变化，包括价量相关、上涨/下跌天数比例、涨跌幅累计比例和 OBV 类特征。
成交量波动类因子	10	刻画成交量相对于自身均值和标准差的偏离程度。
量价加权统计因子	20	将价格波动幅度与成交量结合，度量量价共同变化、成交量正负变动贡献和量能方向差异。
合计	158	覆盖价格、成交量与价量交互特征。

字段	含义
`open`	开盘价
`high`	最高价
`low`	最低价
`close`	收盘价
`vwap`	成交量加权平均价，通常使用未复权数据
`volume`	成交量

使用代码Alpha158 因子数据读取示例 Alpha158 因子表名： python复制cn_stock_factors_alpha_158 因子字段名为： python复制alpha_001, alpha_002, ..., alpha_158 下面示例均使用 dai.query(...).df() 读取数据。 1. 读取某一天的全市场 Alpha158 因子数据 python复制import dai dt = '2026-05-20' sql = f"""select *from cn_stock_factors_alpha_158where date = '{dt}'order by date, instrument""" df = dai.query(sql).df()df 2. 读取某一天的全市场数据，并只保留部分字段 例如只读取： date instrument alpha_001 python复制import dai dt = '2026-05-20' sql = f"""select date, instrument, alpha_001from cn_stock_factors_alpha_158where date = '{dt}'order by date, instrument""" df = dai.query(sql).df()df 3. 读取某一天的某几个股票数据 python复制import dai dt = '2026-05-20'ins = ['000002.SZ', '600000.SH', '603968.SH'] ins_str = ",".join([f"'{x}'" for x in ins]) sql = f"""select *from cn_stock_factors_alpha_158where date = '{dt}' and instrument in ({ins_str})order by date, instrument""" df = dai.query(sql).df()df 4. 读取某一天的某几个股票、某几个因子 例如只读取： alpha_001 alpha_002 alpha_003 python复制import dai dt = '2026-05-20'ins = ['000002.SZ', '600000.SH', '603968.SH']factors = ['alpha_001', 'alpha_002', 'alpha_003'] ins_str = ",".join([f"'{x}'" for x in ins])factor_str = ", ".join(factors) sql = f"""Expand all 22 lines 5. 读取一段时间的全市场 Alpha158 因子数据 例如读取 2026-05-01 到 2026-05-20 的数据。 python复制import dai start_dt = '2026-05-01'end_dt = '2026-05-20' sql = f"""select *from cn_stock_factors_alpha_158where date >= '{start_dt}' and date <= '{end_dt}'order by date, instrument""" df = dai.query(sql).df()df

用 Cowork

查询代码

SELECT date, instrument, alpha_001, alpha_002, alpha_003, alpha_004, alpha_005
FROM cn_stock_factors_alpha_158
WHERE date >= '2026-10-06'
ORDER BY date
LIMIT 100

在 Cowork 中运行

信息

字段数: 160
分类: 量化因子 › 公开因子
作者: bigquantfactorbuilder1

查询代码

SELECT date, instrument, alpha_001, alpha_002, alpha_003, alpha_004, alpha_005
FROM cn_stock_factors_alpha_158
WHERE date >= '2026-10-06'
ORDER BY date
LIMIT 100

在 Cowork 中运行

信息

字段数: 160
分类: 量化因子 › 公开因子
作者: bigquantfactorbuilder1

投研库

投研库

用 Cowork

表结构

数据简介

title: Alpha158 因子构建公式介绍 source: BigQuant Wiki - Alpha158因子构建公式 format: markdown

Alpha158 因子构建公式介绍

1. 因子概览

2. 因子分类

3. 基础字段说明

4. 因子文档

6. 使用建议

7. 写作摘要参考

使用代码

Alpha158 因子数据读取示例

1. 读取某一天的全市场 Alpha158 因子数据

2. 读取某一天的全市场数据，并只保留部分字段

3. 读取某一天的某几个股票数据

4. 读取某一天的某几个股票、某几个因子

5. 读取一段时间的全市场 Alpha158 因子数据

用 Cowork

查询代码

信息

查询代码

信息

用 Cowork

表结构

数据简介

title: Alpha158 因子构建公式介绍 source: BigQuant Wiki - Alpha158因子构建公式 format: markdown

Alpha158 因子构建公式介绍

1. 因子概览

2. 因子分类

3. 基础字段说明

4. 因子文档

6. 使用建议

7. 写作摘要参考

使用代码

Alpha158 因子数据读取示例

1. 读取某一天的全市场 Alpha158 因子数据

2. 读取某一天的全市场数据，并只保留部分字段

3. 读取某一天的某几个股票数据

4. 读取某一天的某几个股票、某几个因子

5. 读取一段时间的全市场 Alpha158 因子数据

用 Cowork

查询代码

信息

查询代码

信息